急切擁抱AI時代的企業面臨着高昂的試錯成本：在醫療行業，Agent診斷錯誤或危及患者生命；在金融行業，Agent違規操作或導致巨大財務損失。但市面上缺乏針對「賽博牛馬」的保險產品，技術革命帶來的商業風險無法實現兜底與轉移。

Anthropic本周遞交的招股書極具話題性，其中還對AI可能造成的災難性事件提出預警：「任何單一保險公司，乃至整個保險行業，都可能缺乏足夠的承保能力或專業知識，無法提供與此類風險敞口相匹配的保險保障。」

新型勞動力 難計犯錯概念與損失

傳統保險業的商業邏輯建立在大數法則（Law of Large Numbers）之上，如車險、財險的背後都有着上百年的歷史索賠數據，險企據此精準計算事故發生的概率與損失。而AI Agent屬於新型數字勞動力，能夠執行複雜任務，卻低級錯誤頻出，又缺乏長期跟蹤紀錄。

更要命的是，大語言模型本身就是黑箱機制。外部輸入的微小差異就會得出截然不同的決策結果，即便專家也無法做出準確解釋。保險公司根本不能像評估工業設備或人類員工那樣，建立起一套嚴謹的精算模型與費率標準。

壓力測試量化風險

也因此，目前世界主流的保險公司，如AIG、WR Berkley、Great American等都已引入AI排除條款；ISO等標準機構則推出了生成式AI排除背書，這無疑會為企業大規模引入AI Agent帶來阻礙，除非市面上有相關的保險產品可以購買。

回顧歷史，每輪技術革命都會催生一波風險管理機制的創新。電力革命時，險企開發了針對電氣火災的保險；汽車工業興起後，汽車保險產品大面積落地；互聯網時代到來，網絡安全保險應運而生。眼下部分先鋒險企也在嘗試推出Agent專屬保單，通過設立標準、壓力測試與聯合承保等方式，形成可量化、可定價、可轉移的風險管理閉環。

現時Agent保險的佼佼者，正是由Anthropic前員工Rune Kvist創辦的人工智能承保公司（AIUC），這間於2024年12月在舊金山成立的創新險企，今年9月剛完成4000萬美元A輪融資。

AIUC先是創建了一套專門針對AI Agent的標準框架——AIUC-1，用於評估與認證Agent的安全性，並詳細規定了應該滿足的風控要求。AIUC-1標準每三個月更新一次，以便跟上AI技術的發展，這與傳統監管框架形成了鮮明對比。

其後，AIUC會組織大規模的對抗性壓力測試，從而了解Agent的真實風控水平。傳統險企主要依賴問卷審計的方式評估風險，但這已不再能夠滿足AI時代的節奏。AIUC引入了網絡安全領域已被驗證過的「紅隊測試方法」，通過定量測算「出錯率」，將黑盒風險轉化為可量化指標。

最後，AIUC選擇與傳統險企合作共同研發產品，AIUC提供技術專長和風險評估能力，傳統險企提供資金和監管合規性。由於Agent造成的災難性事件可能理賠數額巨大，AIUC需要有悠久歷史與雄厚資本的合作方背書。